「像動物一樣適應的機器人（This Robot Adapts Like Animals ）」論文提出一種智能試錯法算法，算法允許機器人快速適應破壞，完全不需要自我診斷或是提前準備應急措施。

    對于人類而言，有很多危險的工作，例如撲滅森林火災，尋找地震廢墟下的幸存者，或者是關閉福島核電站等等。如果這些高危工作能讓 AI 來完成，那該有多好！

    本期介紹的論文中出現了兩個機器人：一個六組機器人和一個機械手臂，以此來展示動作方面的智能試錯算法。這是是一種快速有效的損壞恢復算法，可以使機器人更加高效和可靠地運行。

 

    與傳統強化學習（RL）方法相比，本期介紹的論文更加有效率，機器人上只需要花上幾分鐘和幾次物理試驗，而 RL 算法通常必須進行數百次測試才能學會如何完成任務。論文介紹了機器人有一個「模擬童年」（simulated childhood），在這里它學習了移動身體的不同方式，在經過幾次測試和大約兩分鐘后就可以適應。

    本期論文跟之前的研究有兩個主要區別：

    （1）機器人不需要知道損傷是什么，它只需要一種方法來衡量其性能；

    （2）我們沒有一個大型資料庫來指導，遭受各種類型的損害之后應該怎么做。相反，我們的機器人可以像動物那樣，自行學會應對各種損害的場景。

    在這項研究中，機器人使用自己的模擬，找到成千上萬種不同的行走方式。一旦損壞，機器人會進行體驗并更新其關于每種可能行為的性能的知識（該更新將通過機器學習算法完成：高斯過程回歸）。之前所習得的 13，000 種行為統統變得不管用了，因此，機器人必須利用之前的知識進行下一步操作的可行性測試：在大多數情況下，它會測試少于 10 種行為，以找到一個盡管受到損害仍能正常工作的行為。